No aparece Chillan ni Chillan viejo!
library(knitr)
library(kableExtra)
library(janitor)
library(dplyr)
library(readxl)
library(xlsx)
# la siguiente linea impide el despliegue de advertencias en forma local:
options(warn = -1)
library(tidyverse)
library(gghighlight)
library(magrittr)
library(readr)
library(ape)
library(ggdendro)
library(rmarkdown)
library(ggplot2)
library(gganimate)
library(lubridate)
theme_set(theme_bw()) # options("encoding" = "UTF-8")
# covid19 <- read_xlsx("C:/Users/usuario/Desktop/covid9j.xlsx")
##########
# El formato de la fecha en el excel esta en formato date
covid19 <- read_xlsx("C:/Users/usuario/Documents/GitHub_Personal/Bases_de_Datos_DS/data_madre_r0_panama_27_07_20_2.xlsx")
##########
# covid19 <- read.csv("C:/Users/usuario/Desktop/covid_chile3.csv")
# covid19 <- read_xlsx("C:/Users/usuario/Desktop/covid_chile3.xlsx")
# corregimos el formato del dato fecha del excel:
# covid19$Fecha <- excel_numeric_to_date(covid19$Fecha)
# se declara un vector que almacene los valores de R0:
R0_v <- c()
comuna_v <- c()
codigo_comuna_v <- c()
region_v <- c()
Fecha <- as.Date(covid19$Fecha, origin = "1899-12-30")
# secuencia <- c()
# datos_covid19_providencia <- covid19 %>% filter(Comuna == "Providencia")
# datos_covid19_providencia
# datos_covid19_providencia <- kable(datos_covid19_providencia) %>%
# kable_styling(bootstrap_options = "striped", full_width = F)
# datos_covid19_providencia# extraemos los codigos de las comunas:
# for(t in 1101:1101)
# {
# secuencia = covid19$"Codigo comuna"
# }
#print(secuencia)
# **********
# secuencia = covid19$"Codigo comuna"
# print(secuencia)
# extraemos los codigos solo una vez:
# **********
ux <- unique(covid19$"CD_Corr")
# ux <- 1107
# print(ux)
for(t in ux)
{
if(t != "No Informado")
{
# construimos una subtabla que contenga solo las filas determinadas por un
# codigo fijo:
comuna_en_cuestion = covid19[covid19$"CD_Corr" == t,]
#
# if(!is.null(comuna_en_cuestion))
# {
longitud = nrow(comuna_en_cuestion)
comuna <- comuna_en_cuestion$Corregimiento
codigo_comuna <- comuna_en_cuestion$"CD_Corr"
# region <- comuna_en_cuestion$Region
dia <- comuna_en_cuestion$"DIA"
fecha <- comuna_en_cuestion$Fecha
if(nrow(comuna_en_cuestion) != 0 && (comuna_en_cuestion$"Población" != 0 ))
{
# unique() devuelve un vector, un dataframe o una matriz como x,
# pero con sus elementos (o filas) duplicados eliminados.
# population = as.numeric(comuna_en_cuestion$Poblacion) %>% unique()
# Si la tabla excel contiene el dato de la poblacion constante
# para todas las fechas no es necesario:
population = as.numeric(comuna_en_cuestion$"Población")
# Construimos una subtabla con dos columnas:
# los datos de los casos diarios y la fecha:
# Notemos algo en este trozo de codigo: FUN = sum no hace nada porque
# no se puede agrupar construyendo una suma ya que cada fecha es unica.
# Es importante porque nos permite construir la subtabla que necesitamos:
# La tabla se crea con los datos de las columnas invertidos:
# primero la fecha, luego los casos diarios:
infectados.por.dia =
aggregate(comuna_en_cuestion$"Nuevos Confirmados" ~
comuna_en_cuestion$Fecha, FUN = sum)
fallecidos.por.dia =
aggregate(comuna_en_cuestion$"Nuevos Fallecidos" ~
comuna_en_cuestion$Fecha, FUN = sum)
# sumamos a los infectados diarios los casos diarios y los fallecidos,
# ya que el modelo SIR no considera a los fallecidos.
infectados.por.dia2 =
infectados.por.dia[,2] + fallecidos.por.dia[,2]
recuperados.por.dia =
aggregate(comuna_en_cuestion$"Nuevos Recuperados" ~
comuna_en_cuestion$Fecha, FUN = sum)
# Los susceptibles por dia no es un valor agregado.
# En todas las filas a la constante de
# poblacion se le restan los valores de infectados del dia y los # recuperados del dia:
susceptibles.por.dia =
population - infectados.por.dia2 - recuperados.por.dia[,2]
# Creamos la tabla SIR:
tabla.comuna =
data.frame(unique(comuna_en_cuestion$Fecha),
susceptibles.por.dia, infectados.por.dia2,recuperados.por.dia[,2])
names(tabla.comuna) =
c("Fecha", "Susceptibles", "Infectados", "Recuperados")
# Obtenemos los valores que vamos a necesitar para correr nuestras # regresiones lineales para obtener R0:
x = tabla.comuna$Recuperados
y = population*log(tabla.comuna$Susceptibles)
}
# Verifiquemos los valores obtenidos:
# print(tabla.comuna)
# print(x)
# print(y)
# En esta seccion vamos almacenando en el vector a los valores de r0 en
# intervalos desde el primer dia (puede ser desde el segundo, da lo mismo)
# hasta el segundo dia, desde el primero hasta el tercero, desde el
# primero hasta el cuarto y asi sucesivamente.
# Declaramos una secuancia con los valores del estremo superior
# de estos intervalos:
# esta longitud es siempre 108
m <- seq(2, longitud)
for (i in m)
{
xx <- x[1:i]
yy <- y[1:i]
estimacion.R0 = -summary(lm(yy ~ xx))$coefficients[2]
R0_v[i] <- estimacion.R0
comuna_v <- comuna
codigo_comuna_v <- codigo_comuna
# region_v <- region
fecha_v <- fecha
dia_v <- dia
}
# eee <- data.frame( comuna_v, R0_v, codigo_comuna_v, region_v, fecha_v, dia_v)
eee <- data.frame( comuna_v, R0_v, codigo_comuna_v, fecha_v, dia_v, comuna_en_cuestion$"Nuevos Confirmados",comuna_en_cuestion$"Nuevos Fallecidos",comuna_en_cuestion$"Nuevos Recuperados",comuna_en_cuestion$"Población")
# print (longitud)
# print (comuna)
# print (a)
print(eee)
# eee <- kable(eee) %>%
# kable_styling(bootstrap_options = "striped", full_width = F)
# eee
# aca hay un problema pues por el cicli for se fuerza a escribir sobre una misma hoja y esto, no es permitido pues consta del mismo nombre.
# write.xlsx(eee, 'R0_en_Chile.xlsx')
write.table(eee,'R0_panama_por_corr.csv', col.names=F, append=T, sep = ",")
R0_v <- c()
comuna_v <- c()
codigo_comuna_v <- c()
# region_v <- c()
}
}